这道题换了个马甲你就不认识了

所谓知识的掌握，常常只是一种情境依赖的幻觉。你学会了提取，在考试时能顺利写下勾股定理的公式、配方法的步骤、因式分解的套路，每一个知识点似乎都处于可调用状态。但你仍然可能做不出那道题，因为它换了个马甲——直角边变成了长和宽，斜边变成了对角线，三角形藏进了长方形里。你笔悬半空，不是不会勾股定理，而是没认出来。这并非比喻，而是认知心理学在四十年前用实验撞开的事实：人类大脑的默认设置，是把知识牢牢绑定在最初学习它的具体情境里。早在1980年，玛丽·吉克和基思·霍利奥克的经典实验就剥开了这种“认不出来”的困境。

就这么一句话。没有解释为什么有帮助。没有分析两个问题的相似之处。只是轻轻推了一下。这一组的解决率跃升到了大约75%。从20%到75%。这55个百分点的差距，就是“提示”的效应。

提示的本质是什么？是有人在被试头脑中那两个封闭的抽屉之间强行打开了一条缝。是有人替他们完成了迁移中最困难的那一步——注意到两个不同情境之间存在关联。一旦这个关联被指出，大多数人就能自己完成剩下的推理。

但请注意那个数字：75%。不是100%。还有四分之一的人，在明确得到提示之后，仍然无法完成迁移。提示等于在说“这两个问题有联系”，他们听到了，但他们仍然看不出联系在哪里。

这说明迁移的困难有两个层面。第一层是“没想到去联系”——这一层可以通过提示解决。第二层是“无法从具体故事中抽取出共同的抽象结构”——这一层提示解决不了。第二层需要的是另一种能力：图式归纳。图式这个词，在心理学里指的是人脑中存储的一类情境或问题的抽象认知模板。

它不是对某个具体故事的记忆，而是从那个故事中提炼出的结构骨架。有图式的人看到堡垒问题，提取出的不是“将军、地雷、分兵”这些具体元素，而是“当直接施加足够力量会破坏路径时，把力量分散，从多路径汇聚”。这个模板一旦形成，就可以套用到肿瘤问题上，套用到消防水泵问题上，套用到任何一个结构相同但表面迥异的情境上。

没有图式的人，每遇到一个新问题都是从零开始。他们不是没有经验。他们是经验被锁在具体记忆里，无法脱壳而出。

数学学习中，这种情境绑定无处不在。你在“勾股定理”那一章学会了a²+b²=c²。例题画着一个标准的直角三角形，直角符号标得清清楚楚，题目写着“求斜边”。你做了二十道题，全部正确。你觉得掌握了。

然后考试出了一道题：坐标系中有两点A(0,0）和B(5,12)，求两点间距离。你卡住了。这道题没有三角形，没有直角符号，没有“斜边”这两个字。它穿着“解析几何”的马甲。

但它的骨架和那道求斜边的题一模一样：横坐标差是5，纵坐标差是12，两点间距离就是直角三角形的斜边。你不是不会勾股定理。你是被表面特征挡住了。

再比如配方法。你学会了用配方法解x²+6x+5=0。步骤背得滚瓜烂熟。考试出了一道物理题：一个物体沿抛物线运动，高度h与时间t的关系是h=-5t²+20t+15，求物体达到的最大高度。你不知道这道题和配方法有什么关系。但求抛物线的顶点坐标，在代数操作上和配方求解x²+6x+5=0是同一套动作。配方就是找顶点。顶点就是配方后的坐标。这两个知识点在数学结构上是贯通的，但在你的头脑中，一个被标为“代数”，一个被标为“物理”，它们住在不同的抽屉里。

因式分解也一样。你学会了x²-9=(x+3)(x-3)。然后考试出了一道化简题：(x²-9)/(x+3)。你知道因式分解，也知道分式化简。但你没想到要把分子分解，然后约分。这两个操作在你的知识体系里是分开存放的。

考试时，你需要同时打开两个抽屉，让它们的内容在草稿纸上相遇。但没有人教过你如何打开抽屉之间的通道。这就是迁移失败的认知机制。

知识本身是牢固的，提取通道是畅通的，但知识被封装在最初学习它的那个具体情境里。课本上的例题用的是x和y，你熟悉的是x和y。题目换成时间和高度，你就认不出来了。老师在黑板上推导时用的是标准符号，你记住的是那些符号的排列。题目把符号换了个位置，你就觉得是全新的题型。每一次表面特征的变化，都在增加识别深层结构的难度。当变化积累到一定程度，你的识别系统就宕机了。

学校教育在组织教学时，天然倾向于按章节、按题型来归类知识。这一章学勾股定理，所有例题和练习都是勾股定理。下一章学因式分解，所有题目都是因式分解。这种组织方式有一个巨大的好处：它降低了初学时的认知负荷。学生不需要一边学新知识一边判断“这道题该用哪个方法”，可以专注于掌握解题步骤本身。但它也有一个隐藏的代价。

当学生连续做二十道同一类型的题时，他们实际上不需要做“识别”这个动作。做到第五道题，大脑已经进入自动模式：反正这一页的题都是用同一个方法，不需要判断了。判断的肌肉，在这种练习方式中，被闲置了。

然后考试来了。考试不是按章节组织的。第一道题可能用勾股定理，第二道题可能用因式分解，第三道题可能用配方法，第四道题表面看起来像几何题实际上要用代数。学生在每一道题面前都需要先做一个判断：这是什么类型？它和我学过的哪些知识有关？判断的肌肉，在平时练习中几乎没有得到锻炼，在考场上突然被要求全力运转。结果可想而知。

认知心理学家比较过两种练习方式的效果。一种叫集中练习，就是把同一类型的题目集中在一起反复做。另一种叫交错练习，就是把不同类型的题目打乱顺序混合在一起做。短期来看，集中练习的效果更好。学生做得更快，错误更少，感觉更流畅。这符合直觉：刚学会一种解法，趁热打铁多练几道，当然顺手。

但长期来看，当测试被延迟到几天或几周之后，交错练习组的表现显著优于集中练习组。而且测试题目越需要识别——即表面特征与练习时差异越大——交错练习的优势就越明显。原因在于，交错练习中，学生每一道题都在被迫做判断。做完一道因式分解，下一道突然变成了配方法。大脑必须停下来，重新识别题型，重新调取相应的解题策略。这个“停下来识别”的过程，在练习时让人觉得磕磕绊绊，不如集中练习行云流水。但正是这种磕绊，锻炼了识别深层结构的肌肉。

集中练习给了学生一种流畅的错觉。但这种流畅是情境绑定下的流畅，它依赖于“这一页的题都是用同一个方法”这个外部提示。一旦外部提示被撤走——比如在考试中——流畅就消失了。

那么，什么样的练习方式能训练迁移？研究指出了三个关键因素：样例的变异性、对比的机会，以及抽象化的时机。样例的变异性，指的是在学习一个概念时，接触的例子在表面特征上要有足够的变化。

如果你学勾股定理时只见过“直角三角形，求斜边”这一种问法，你的知识就会绑定在这种问法上。如果你在练习中见过直角三角形求斜边、长方形求对角线、坐标系中两点求距离、旗杆和绳子求绳长、梯子靠在墙上求梯子长度——你的大脑就会被迫从这些五花八门的表面特征中，抽取出它们共享的那个不变的东西。那个不变的东西就是深层结构：已知两条直角边的长度，求第三条边。无论三角形是竖着的、横着的、藏在长方形里的、藏在坐标系里的、藏在现实场景里的，这个结构不变。当你在练习中反复遇到同一个结构穿上不同马甲出现，你的大脑会逐渐学会一件事：忽略马甲，看骨架。

对比的机会，是迁移训练的第二个关键因素。仅仅接触多样化的样例还不够。大脑需要被明确地引导去比较这些样例之间的异同。一个有效的方法是“找茬练习”。

拿出两道或多道表面完全不同但结构相同的题目，并排放在一起。不要急着做。先看。先问自己：这两道题哪里一样？哪里不一样？它们共享的数学结构是什么？

它们用了哪些不同的词汇来描述同一个东西？比如，把“直角三角形两条直角边分别为5和12，求斜边”和“坐标系中两点A(0,0）和B(5,12)，求两点间距离”并排放在一起。表面看，一道是几何题，一道是解析几何题。但如果你强迫自己去找共同点，你会发现：两点间的距离，本质上就是直角三角形的斜边。横坐标差和纵坐标差就是两条直角边。这道题就是那道题换了个马甲。这个发现过程，就是大脑在构建深层结构的表征。它不是被动接收的，而是通过主动比较、主动寻找不变性而生成的。每一次成功的“找茬”，都在强化大脑识别深层结构的能力。

抽象化的时机，是迁移训练的第三个关键因素。这也是教学中最容易出错的地方。常见的教学策略是先给出抽象规则，再用具体例子来演示。老师在黑板上写下公式a²+b²=c²，然后说“我们来看几个例子”。这个顺序的好处是高效，学生直接拿到了公式，不需要自己从例子中归纳。

但坏处是，学生可能只是记住了公式和例题之间的表面对应，而没有真正理解公式背后的概念关系。如果抽象规则给得太早，学生会跳过从具体例子中归纳结构的过程。他们直接套公式，不思考公式从何而来、适用于何种情境。结果是，他们的知识高度依赖于公式的符号形式。一旦题目不直接呈现公式中的符号，他们就认不出来了。

但如果抽象规则给得太晚呢？学生做了大量具体例子，但始终没有人帮他们提炼出那个共同的规律。他们可能积累了丰富的经验，但经验是零散的、情境绑定的。他们能解做过的类型，但遇到变式就束手无策。

最优的顺序是“先具体后抽象”。让学生先接触多个不同表面特征的例子，引导他们进行比较和归纳，在他们自己快要摸到规律的时候，再给出抽象规则。在这个时刻，抽象规则不是从天而降的教条，而是学生自己经验的组织者。它把零散的具体经验，整合成一个可迁移的认知结构。这个顺序可以这样操作。学勾股定理时，不要一上来就给公式。

先给三道题：一道是标准的直角三角形求斜边，一道是长方形求对角线，一道是坐标系中两点求距离。让学生自己去做，去感受，去困惑。然后问他们：这三道题有什么共同点？它们都用了什么相同的数学操作？这个操作背后的规律是什么？当学生自己说出“不管三角形藏在哪里，只要找到两条直角边，平方相加再开根号就行”——他们就已经完成了抽象化。这时再给出公式a²+b²=c²，公式就不再是外部的指令，而是他们自己发现的规律的简洁表达。

这种学习方式比直接给公式慢。它需要更多的时间，更多的例子，更多的讨论。但它产生的知识是灵活的知识，是可以迁移的知识，是换了个马甲也能认出来的知识。

如果你是在自学，你可以自己设计练习方式。不需要额外的教材或课程，只需要改变使用已有材料的方式。第一件事：打乱顺序练习。

不要按章节做题。把不同章节的题目混在一起。如果你在学期中，可以每周做一次混搭练习：从过去几周学过的不同章节中各抽一道题，打乱顺序，印在一张纸上，当成一次小测验来做。

如果你在期末复习，不要把时间全部花在“先复习第一章做第一章的题，再复习第二章做第二章的题”上。至少留出一半时间，把所有章节的题混在一起做。你会觉得更困难。你会需要更多时间来判断每道题的类型。这种困难，正是你要训练的肌肉。

第二件事：做找茬练习。定期拿出两道或多道表面不同但结构相同的题，并排放在一起。在草稿纸上写下：它们共同的结构是什么？它们用了哪些不同的词汇来描述同一个东西？如果给它们换一个马甲——比如把几何题变成物理题、把代数题变成几何题——它们会变成什么样？这个练习不需要很长时间。每次十分钟就够了。但它的效果，可能比你做二十道同类型的题更好。

第三件事：自己出题。学完一个概念或方法后，不要只做课本上的题。试着自己编一道题。编一道表面特征和课本完全不同的题。比如课本上的题是“直角三角形，求斜边”，你编一道“一个风筝飞在天空中，风筝线长多少”。你会发现，在编题的过程中，你必须想清楚这个概念的核心结构是什么。

这种“磕绊”在认知心理学中有一个专门的名字，叫“必要难度”。这个概念的提出者罗伯特·比约克在1994年发表的一篇论文中指出，学习过程中的困难如果是由提取和识别引发的，那么这种困难不仅不会阻碍学习，反而会增强长期记忆和迁移能力。关键区分在于困难的类型：如果困难是因为学生根本没学会基础知识，那它就是无效的挫败；但如果学生已经掌握了各个知识点，困难仅仅来自于需要在不同知识点之间做出判断和切换，那它就是“必要”的——它迫使大脑建立更精细的检索线索。

你可以把大脑想象成一个图书馆。集中练习相当于每次只从同一个书架上取书。你取书的速度越来越快，因为你知道所有需要的书都在同一个区域。但你从未练习过在书架之间穿行。交错练习则相当于每次取书都可能来自不同的书架。你需要在馆内走动，需要回忆每本书的索书号，需要判断哪本书对应哪个问题。这个过程更慢，更费力，但它让你熟悉了整个图书馆的结构。

考试就是一次需要你在不同书架之间快速穿行的任务。集中练习给了学生一种流畅的错觉。但这种流畅是情境绑定下的流畅，它依赖于“这一页的题都是用同一个方法”这个外部提示。一旦外部提示被撤走——比如在考试中——流畅就消失了。学生在考场上面对的不是按章节排列的题目，而是一个需要自己判断每一道题属于哪个书架的局面。如果他在练习时从未做过这种判断，他就在考场上第一次面对这个任务。而考场上，时间和压力都不允许他从容地学习如何判断。

比约克的实验数据还揭示了另一个反直觉的现象：集中练习组的学生在练习结束后，对自己掌握程度的评估往往高于交错练习组。他们感觉更流畅，就误以为自己学得更好。而交错练习组的学生因为练习时磕磕绊绊，对自己的评估反而更保守。但当真正的测试来临时，两组的实际表现和他们的自我评估正好倒挂。这个发现对自学者尤其重要：如果你在练习时感觉行云流水，不要急着高兴。那种流畅可能恰恰说明你没有在训练识别能力，你只是在重复执行一个已经自动化的程序。而如果你在练习时觉得磕磕绊绊，每道题都要停下来想一想，不要急着沮丧。那种磕绊可能正是学习发生的信号。

你必须区分哪些是本质的、哪些是可替换的表面装饰。这个区分的过程，就是在构建图式。这三件事都指向同一个目标：让你的知识脱壳。让它们不再被锁在最初学习时的那个具体情境里。让它们变成可以在不同情境之间自由穿行的认知工具。晚自习的教室里，日光灯发出持续的嗡鸣。一个学生合上了按章节编排的练习册。他拿出一张空白活页纸，翻开课本的目录。

他从第一章挑了一道题，抄在纸上。从第三章挑了一道题，抄在第二行。从第五章挑了一道题，抄在第三行。从第二章挑了一道题，抄在第四行。他放下笔，看着这四道来自不同章节、穿着不同外衣的题目，皱起了眉头。他的笔尖在第一道题的条件和第二道题的条件之间画了一条线。他停了一下，又画了一条线。他在草稿纸的角落里写下：它们都在问同一个东西。那个东西是什么，他还需要想一想。

但他已经开始想了。他开始意识到，自己过去做的那些题，那些顺畅地做完、打勾、翻页的题，可能并没有让他真正认识它们。他认识的是它们的衣服。现在，他需要学会看骨架。

而看骨架的第一步，是知道自己过去一直在看衣服。这个认知本身，就是一种新的能力在萌芽——他开始监控自己的理解，开始调度自己的注意，开始追问自己到底知道什么。